Influência da escolha do critério de informação na proporção de não rejeição da hipótese nula do teste ADF considerando a presença de raiz unitária

Anderson Silveira; Mariane Coelho Amaral; Viviane Leite Dias de Mattos; Luiz Ricardo Nakamura; Andrea Cristina Konrath

doi:10.14295/vetor.v33i2.15163

Autores

Anderson Silveira Universidade Federal do Rio Grande/Instituto Federal do Rio Grande do Sul - Rio Grande, RS, Brasil https://orcid.org/0000-0002-3954-6145
Mariane Coelho Amaral Universidade Federal do Rio Grande - Rio Grande, RS, Brasil
Viviane Leite Dias de Mattos Universidade Federal do Rio Grande - Rio Grande, RS, Brasil
Luiz Ricardo Nakamura Universidade Federal de Santa Catarina - Florianópolis, SC, Brasil https://orcid.org/0000-0002-7312-2717
Andrea Cristina Konrath Universidade Federal de Santa Catarina - Florianópolis, SC, Brasil https://orcid.org/0000-0002-3742-5032

DOI:

https://doi.org/10.14295/vetor.v33i2.15163

Palavras-chave:

Teste de raiz unitária, Critério de Informação, ADF

Resumo

Dentre as diversas técnicas utilizadas para a análise de séries temporais está a análise econométrica, onde em muitos casos é necessário verificar a estacionariedade da série. Uma série não estacionária apresenta a presença de raiz unitária, o que faz com que não seja adequada para realizar previsões. Nesse contexto, surgiram os denominados testes de raiz unitária, dentre os quais cabe destacar o teste de Dickey-Fuller Aumentado (ADF). Uma das etapas de grande importância na aplicação do teste ADF é a seleção de defasagens. Para selecionar as defasagens a serem aplicadas no teste, é necessário definir um número máximo, a partir do qual será selecionado o número ideal que será utilizado na aplicação do ADF. Este número ideal pode ser determinado com o auxílio dos critérios de informação, como por exemplo os tradicionais AIC, BIC e HQC. Este trabalho avaliou a influência da escolha do critério de informação no resultado do teste, considerando a presença de raiz unitária. Após a construção dos cenários, aplicação dos testes, e realização de análise de variância, não foram encontrados indícios que a escolha do critério de informação possa interferir na taxa de não rejeição da hipótese nula no teste ADF.

Downloads

Não há dados estatísticos.

Referências

F. M. Bayer e A. M. Souza, “Wavelets e modelos tradicionais de previsão: Um estudo comparativo,” Revista Brasileira de Biometria, vol. 28, no. 2, pp. 40–61, 2010. Disponível em: http://jaguar.fcav.unesp.br/RME/fasciculos/v28/v28_n2/A3_Fabio_Adriano.pdf

D. N. Gujarati e D. C. Porter, Econometria básica-5. Amgh Editora, 2011.

S. E. Said e D. A. Dickey, “Testing for unit roots in autoregressive-moving average models of unknown order,” Biometrika, vol. 71, no. 3, pp. 599–607, 1984. Disponível em: https://doi.org/10.1093/biomet/71.3.599

A. Silveira, V. Mattos, L. Nakamura, M. Amaral, A. Konrath, e A. Bornia, “Análise do valor-p determinado pela estatística na aplicação do teste de dickey-fuller aumentado,” Trends in Computational and Applied Mathematics, vol. 23, pp. 283–298, 2022. Disponível em: https://doi.org/10.5540/tcam.2022.023.02.00283

H. Akaike, “Maximum likelihood identification of gaussian autoregressive moving average models,” Biometrika, vol. 60, no. 2, pp. 255–265, 1973. Disponível em: https://doi.org/10.1093/biomet/60.2.255

G. Schwarz, “Estimating the dimension of a model,” The Annals of Statistics, pp. 461–464, 1978. Disponível em: https://www.jstor.org/stable/2958889

E. J. Hannan e B. G. Quinn, “The determination of the order of an autoregression,” Journal of the Royal Statistical Society: Series B (Methodological), vol. 41, no. 2, pp. 190–195, 1979. Disponível em: https://doi.org/10.1111/j.2517-6161.1979.tb01072.x

D. A. Dickey e W. A. Fuller, “Distribution of the estimators for autoregressive time series with a unit root,” Journal of the American Statistical Association, vol. 74, no. 366a, pp. 427–431, 1979. Disponível em: https://doi.org/10.1080/01621459.1979.10482531

R. L. S. Bueno, Econometria de séries temporais. Cengage Learning, 2018.

G. W. Schwert, “Why does stock market volatility change over time?” The Journal of Finance, vol. 44, no. 5, pp. 1115–1153, 1989. Disponível em: https://doi.org/10.1111/j.1540-6261.1989.tb02647.x

T. L. Sobral e G. Barreto, “Utilização dos critérios de informação na seleção de modelos de regressão linear,” Proceeding Series of the Brazilian Society of Computational and Applied Mathematics, vol. 4, no. 1, 2016. Disponível em: https://proceedings.sbmac.org.br/sbmac/article/download/1144/1157

R. D. C. Team, “A language and environment for statistical computing,” http://www. R-project. org, 2009.

A. Zeileis e T. Hothorn, “Diagnostic checking in regression relationships,” R News, vol. 2, no. 3, pp. 7–10,

Disponível em: https://journal.r-project.org/articles/RN-2002-018/RN-2002-018.pdf

H. Levene, “Robust tests for equality of variances,” Contributions to probability and statistics, pp. 278–292, 1960. Disponível em: https://doi.org/10.2307/2285659

A. Hall, “Testing for a unit root in time series with pretest data-based model selection,” Journal of Business & Economic Statistics, vol. 12, no. 4, pp. 461–470, 1994. Disponível em: https://www.tandfonline.com/doi/abs/10.1080/07350015.1994.10524568